Una empresa de comercio electrónico busca entender los tiempos en que sus clientes abandonan su programa de membresías. Para ello, nos proporcionan una base datos compuesta de 5,630 observaciones y las siguientes variables:
Variable | Descripción |
---|---|
CustomerID | Identificador de la persona cliente |
Churn | Condición de abandono de la membresía (0: no se abandonó, 1: se abandonó) |
Tenure | Tiempo de permanencia suscrito |
PreferredLoginDevice | Dispositivo de inicio de sesión preferido |
CityTier | Nivel de la ciudad |
WarehouseToHome | Distancia entre el almacén y la casa de la persona cliente |
PreferredPaymentMode | Método de pago preferido |
Gender | Sexo de la persona cliente |
HourSpendOnApp | Número de horas dedicadas a la aplicación o sitio web |
NumberOfDeviceRegistered | Número de dispositivos registrados por una sola persona cliente |
PreferedOrderCat | Categoría preferida en el último mes por la persona cliente |
SatisfactionScore | Puntos de satisfacción en el último mes |
MaritalStatus | Estado civil de la persona cliente |
NumberOfAddress | Número de direcciones agregadas por una sola persona cliente |
Complain | 0: se presentaron quejas en el último mes, 1: No se presentaron quejas |
OrderAmountHikeFromlastYear | Aumentos porcentuales en pedidos desde el año pasado |
CouponUsed | Cupones utilizados en el último mes |
OrderCount | Número de pedidos totales en el último mes |
DaySinceLastOrder | Días transcurridos desde el último pedido de la persona cliente |
CashbackAmount | Dinero promedio invertido en el último mes |
Hecho un breve análisis estadístico, tenemos la siguiente información relevante:
Variables correlacionadas e interpretación:
Dado el correlograma anterior, podemos decir lo siguiente:
Survival Analysis